论文部分内容阅读
随着汽车产业的发展,交通运输的需求量越来越大,交通肇事问题也变得越来越不可忽视,而疲劳驾驶是导致交通肇事的主要原因之一,因此,研究可靠、快速、高效地疲劳检测算法具有重要意义。已有的基于眼部和嘴部特征进行疲劳检测的研究,识别率不高,并且不能满足疲劳检测实时性要求。基于Gabor图像特征提取能够很好地捕获疲劳的多尺度特征,多尺度1-NN(1-Nearest Neighbor)分类算法能够挖掘多个特征尺度上的特征信息,获得较好的识别率,同时基于OpenMP的多核并行计算能够加快检测速度。因此,文本提出了一种基于并行Gabor(?)口1-NN的图像疲劳检测算法来检测驾驶员疲劳,主要工作如下：(1)针对图像Gabor特征提取计算复杂的问题,提出了一种基于OpenMP的并行Gabor图像特征提取算法。该算法基于OpenMP的并行模式,对图像Gabor变换的计算过程进行了分解和合并,将整个图像Gabor特征提取计算过程分解成了可并行部分和不可并行部分,将可并行部分利用多核进行加速,再合并计算结果,达到将整个计算过程进行多核并行加速的目的。实验表明,该算法能够有效地缩短Gabor图像特征提取的运算时间,并且在多核环境下能够获得很好的加速比。(2)基于Gabor图像特征提取算法获取的多尺度特征,提出了一种多尺度1-NN分类算法来进行疲劳和非疲劳图像的分类。该算法充分考虑了多尺度特征向量的特点,利用了疲劳在不同尺度上表现不同的这个特性,在每个尺度上对图像类别进行判定,再综合各个尺度上的判定结果,得出最后的疲劳分类结果。实验结果表明,本文提出的多尺度1-NN分类算法识别率优于已有的基于部分特征的疲劳检测方法。(3)本文基于并行Gabor图像特征提取算法和多尺度1-NN分类算法,在VS2008平台的基础之上,结合OpenCV2.0设计和实现了一个疲劳检测系统,并进行了实验和系统测试。实验结果表明,本文提出的算法能够较为准确的识别疲劳状态,在多核环境下疲劳检测的实时性有一定程度地提高。